Model
.ai
vi följer öppna AI-modeller

Ideogram4 nsfw

3818°
NSFW-modell. Dess bilder är dolda medan NSFW är av; slå på NSFW för att se dem.

Updated to Realism Engine V5. NOTE: If you see "Image blocked by safety filter" it is because of safety training in the underlying model itself and there are currently nothing we can do about it, we are not censoring the model intentionally. Quality settings Instead of steps, you can control quality with /slot2: /slot2:turbo -> fast and rough /slot2:default -> default quality and speed /slot2:quality -> best quality, slowest render NSFW lora strength is mapped to /slot3. Creator recommends values in 0.50-0.90 range. 0.8 is used by default and also has a /slot4 negative which defaults to 0.5.…Updated to Realism Engine V5. NOTE: If you see "Image blocked by safety filter" it is because of safety training in the underlying model itself and there are currently nothing we can do about it, we are not censoring the model intentionally. Quality settings Instead of steps, you can control quality with /slot2: /slot2:turbo -> fast and rough /slot2:default -> default quality and speed /slot2:quality -> best quality, slowest render NSFW lora strength is mapped to /slot3. Creator recommends values in 0.50-0.90 range. 0.8 is used by default and also has a /slot4 negative which defaults to 0.5. You don't need to adjust them unless the quality isn't good. This workflow supports two ways to produce the JSON the model expects: (default) Model-assisted (LLM): Enter a short idea in as positive prompt and the system prompt asks LLM to write schema-compliant JSON. You won't see the generated JSON prompt, it is handled only internally. (/slot1:0) Raw input: You may use plain natural language, but structured JSON gives the most predictable layout and style control. Incompatible prompt WILL trigger "safety filter", even if prompt is SFW. About the model The model is trained on structured JSON captions (scene summary, style block, background, and optional per-object descriptions with bounding boxes and hex color palettes). Official inference validates prompts against that schema. Guidance uses flow-matching with asymmetric classifier-free guidance (the unconditional pass drops text tokens)

Hur denna poäng räknas ihop
Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.
Ordlista: termerna som används här
Heat-poäng
Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet
De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter
Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala
Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden
Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet
Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad
Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder
Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde
Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter
Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token
En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint)
Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding
Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter
Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder
Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost
En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng
Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod)
En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend
Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell
Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.